1.一种基于近红外光谱特征的烟叶风格相似性分类方法，其特征在于包括如下步骤：
首先收集建模样品：样品信息按照品种、种植区域和等级进行分类；然后进行烟叶光谱扫描，将扫描的同种植区域、同品种、不同部位的烟叶光谱，通过主成分分析法提取每个光谱的特征，然后对所有的近红外光谱按行排列，获得数据矩阵，对矩阵进行主成分分析，通过特征向量计算出主成分，通过计算相关数据，确定分类线，建立该区域烟叶风格的PCA区分模型。
2.根据权利要求1所述的一种基于近红外光谱特征的烟叶风格相似性分类方法，其特征在于，所述PCA区分模型的建立包括如下步骤：
(1)光谱扫描；
(2)光谱预处理；
(3)导出光谱数据；
(4)建立数据矩阵；
(5)主成分分析：通过特征向量计算出主成分，分析并保留；
(6)计算所保留主成分的均值，以此均值作为该区域烟叶风格的区分模型的中心；
(7)计算所有该区域烟叶到此中心的距离，并计算所有距离的均值和标准偏差，以平均值加1.2倍标准偏差作为该区域烟叶风格的分类线；
(8)建立PCA模型。
3.根据权利要求2所述的一种基于近红外光谱特征的烟叶风格相似性分类方法，其特征在于，所述PCA区分模型的建立包括如下步骤：
(1)光谱扫描：利用近红外光谱仪扫描烟叶样品获得其近红外谱图，操作参数为：光谱扫描范围12 000～4 000cm-1，光谱分辨率8cm-1，扫描次数64次(约30s)。以透过方式采集光谱数据并处理为吸收光谱的一阶微分。每个样品扫描10次取平均光谱，每个样品扫描获得2个以上的平均光谱；
(2)光谱预处理：采用标准正态变量变换法消除固体样品颗粒大小不一致、表面散射以及光程变化对带来的差异，通过小波变换对光谱进行平滑滤噪，采用多元散射校正、二阶导数处理原始光谱，消除基线漂移，提高光谱分辨率，并提取特征光谱；
(3)导出光谱数据：将12 000～4 000cm-1光谱范围的数据点导出；
(4)建立数据矩阵：将同区域的烟叶近红外光谱按行排列，获得数据矩阵；
(5)主成分分析：通过特征向量计算出主成分，分析并保留；
(6)计算所保留主成分的均值，以此均值作为该区域烟叶风格的区分模型的中心；
(7)计算所有该区域烟叶到此中心的距离，并计算所有距离的均值和标准偏差，以平均值加1.2倍标准偏差作为该区域烟叶风格的分类线；
(8)建立PCA模型：利用正常状态下采集的光谱建立模型，公式如下：
4.根据权利要求1-3中任一所述的一种基于近红外光谱特征的烟叶风格相似性分类方法，其特征在于，应用该模型对未知风格样品进行识别时，分析步骤如下：
(1)扫描并获得该样品的近红外光谱；
(2)通过建模步骤2中的特征向量分析该样品的主成分；
(3)计算主成分到所建模型中心的距离，根据距离判断风格相似性，若该距离落在分类识别线内，则可判定该烟叶风格与所建模型风格相似，否则判定其为不同风格。
5.根据权利要求1-3中任一所述的一种基于近红外光谱特征的烟叶风格相似性分类方法，其特征在于：根据主成分分析，所有同风格烟叶的光谱到中心的距离应小于所建模型区分值。
6.根据权利要求4中所述一种基于近红外光谱特征的烟叶风格相似性分类方法，其特征在于：通过扫描待分析样品的光谱，计算特征主成分到所建模型中该区域烟叶中心的距离，若该距离落入识别区间，可判定其为同风格烟叶。
7.根据权利要求1-3中任一所述的一种基于近红外光谱特征的烟叶风格相似性分类方法，其特征在于：该模型以一系列同风格的近红外光谱为基础，通过主成分分析建立风格烟叶的区分模型。
8.根据权利要求1-3中任一所述的一种基于近红外光谱特征的烟叶风格相似性分类方法，，其特征在于：扫描前将样品粉碎为40-60目，所述样品为烟丝、烟梗或烟末。